Die Integration von Künstlicher Intelligenz (KI) in Analytics-Szenarien, eine ganzheitliche Data Governance und Predictive Analytics stehen als Top 3 an der Spitze der BI-Trends für 2019. In drei kompakten Fachbeiträgen ordnet Robert Schmitz im Dezember 2018 die aktuellen Top-Trends der Analytics-Economy ein.
Maschinen-Intelligenz nicht mit Intuition verwechseln
Wie genau künstliche neuronale Netze, Deep Learning, Machine Learning (ML) und Co. immer schneller zu immer präziseren Resultaten führen, lässt sich umso weniger erklären, je potenter entsprechende Systeme werden. Warum? Galt zuerst das Schlagwort „Narrow AI“, also eine relativ eng definierte künstliche, maschinelle Intelligenz, als treffend für die unermüdliche, aber eindimensionale „Wenn-dann“-Kompetenz von Maschinen, ist bei stets ausgefeilteren Algorithmen inzwischen zunehmend von „Strong AI“ die Rede. Also von Maschinenintelligenz, die aufgrund tausender paralleler „Wenn-dann“-Parameter scheinbar zunehmend „unerklärlich“ agiert – weil das detaillierte Nachvollziehen der „erlernten“ Regeln und Entscheidungsbäume mit menschlichem Ermessen nicht mehr darstellbar ist. Oder es Jahre dauern würde, die Rechner-Operationen nachzuvollziehen. Abgewickelt werden die Operationen aber in Sekunden-Bruchteilen, so dass ein promptes, KI-basiertes Rechner-Resultat durchaus ähnlich wie Intuition wirken kann. Vorsicht jedoch vor Verwechslungen!
Immer konsequenteres Eliminieren von Fehlern
Denn anders als Fantasie, Kreativität oder eben menschliche Intuition ist und bleibt KI ein Ablauf von Regularien, von Rechen-, Prüf- und Vergleichs-Operationen. Das „Lernen“ von intelligenten Algorithmen besteht letztlich aus immer präziseren Trial-and-Error-Testläufen, in denen durch dauernde Selbst-Dokumentation einmal gemachte Fehler immer konsequenter eliminiert werden. Was wie der Aufbau von Intelligenz aussieht, ist eigentlich ein Abbau von Fehlern – bei gleichzeitig wachsender Datengrundlage.
Warum das enormes Potenzial für die Analytics-Economy bedeutet, liegt auf der Hand. Denn nicht nur die schiere Menge an Daten, die KI-gestützte, kognitive Engines verarbeiten, spricht dafür, entsprechende Systeme in Analytics-Anwendungen zu integrieren. Auch beim Sicherstellen von Datenqualität und bei der Auswahl relevanter Datensets aus zehn-, hundert und letztlich n-fachen Terabyte von digitalen Informationen können kognitive Systeme Maßgebliches beitragen. Sind Datensätze vollständig? Sind sie folgerichtig? Sind kontextuelle Verbindungen erstens möglich und zweitens sinnvoll? Beim Beantworten solcher Fragen leisten KI-gestützte Engines ein Vielfaches an Informations-Aufbereitung als es Menschen je möglich wäre. So entstehen – nahezu in Echtzeit – valide Entscheidungsgrundlagen, an denen dann menschliche Kenntnis und intuitives Vermögen ansetzen.
Donald Farmer Vortrag
Nicht alles, was kompliziert ist, ist auch komplex
Da jede Analyse nur so gut ist wie ihre Datenbasis, hat der KI-Trend für das kommende Jahr also eine klare Richtung: Es geht nicht darum, „Entscheidungs-Maschinen“ zu bauen, die Intuition simulieren und die menschliche Einsicht möglichst „beiseite rechnen“ können. Es geht darum, mit intelligenten Systemen immer weiter an Datenverfügbarkeit, -qualität und -aufbereitung zu arbeiten – und die KI-Fähigkeiten zu nutzen, um Relevanz und Validität von Analytics-Projekten zu steigern. Die immer präzisere Verarbeitung strukturierter, aber vor allem auch unstrukturierter Daten gehört dazu ebenso wie zum Beispiel eine KI-gestützte Vorschlags-Systematik für sinnvolle Datenkombinationen oder passende Visualisierungen.
Fazit
Der Daten-Visionär Donald Farmer unterscheidet sehr treffend nach „komplizierten“ und „komplexen“ Anordnungen, wenn es darum geht, wie Künstliche Intelligenz die menschliche Einsicht unterstützen und so zu echter Augmented Intelligence führen kann. So sind endlose Zahlenreihen, mehrseitige Tabellen und zeilenfüllende Formeln ohne Frage „kompliziert“ und mit steigenden Volumen immer schwerer zu erfassen – jedenfalls für Menschen. Hier liegt das starke Potenzial von ML, KI und Co. Sollen errechnete und visualisierte Ergebnisse jedoch argumentiert, in Business-Entscheidungen oder neue Geschäftsmodelle „übersetzt“ werden, sind Gesprächskultur, Fantasie, Assoziation und unternehmerisches Geschick gefragt. Spätestens jetzt wird es „komplex“ – und Maschinen-Intelligenz sowie menschliche Ratio treiben nur im Zusammenspiel die datengetriebene Unternehmenssteuerung voran.
Die Integration von Künstlicher Intelligenz (KI) in Analytics-Szenarien, eine ganzheitliche Data Governance und Predictive Analytics stehen als Top 3 an der Spitze der BI-Trends für 2019. In drei kompakten Fachbeiträgen ordnet Robert Schmitz im Dezember 2018 die aktuellen Top-Trends der Analytics-Economy ein.
Robert Schmitz ist Area Vice President Southern Europe & Russia beim Data-Analytics-Spezialisten Qlik.
Aktuelle Beiträge
-
Künstliche Intelligenz braucht ethische Leitplanken
-
Alternative Data: Warum lohnt sich der Blick über den Daten-Tellerrand?
-
Data Science-Projekte: Drei Hindernisse auf dem Weg zum Erfolg
-
"Es fällt vielen Branchen schwer, die Potenziale der Digitalisierung zu erkennen."
-
Die IBM KI-Leiter: Mit KI ganz nach oben
-
Von einfachen Data Catalogs zu intelligenten Systemen
BI & Big Data Events
News
Weitere News-
Neues TDWI Poster "Process Mining - Datenanalyse in Prozessen zur digitalen Prozessoptimierung"
-
Prognosen 2022: So verschafft smarte Datennutzung Unternehmen Wettbewerbsvorteile
-
Flughafen München: Weniger Lärm und Schadstoffe dank Data Analytics
-
Digitalisierung: Sieben von zehn Deutschen halten Politik für ahnungslos
-
CoPlanner erweitert seine Geschäftsführung
-
Die Kaufprioritäten der Analytics- und BI-Käufer sollten datengetrieben sein